摘要：针对三维点云配准过程中存在精度和效率低下的问题,提出一种基于法矢夹角的改进icp算法。利用八叉树结构划分点云数据并编号,计算每一点与其k近邻点的平均法矢夹角,引入关键度的概念,给出评判标准,对点云数据进行不同比例的精简;利用KD-tree加速查找,计算点云对的匹配度并进行筛选,通过最小二乘迭代完成点云配准。实验结果表明,与传统icp算法相比,该算法在配准效率方面提高了68%以上,将配准误差降低至0.02%,优势明显。

摘要：为满足三维点云配准的高精度要求,提出一种基于Hausdorff距离改进的icp算法。利用三维点云拟合曲面的主曲率和点邻域内Hausdorff距离相结合的方法,对点云进行简化,剔除正态分布图中Hausdorff值小的点云,使简化后的关键点充分保留点云的几何特征;采用K-D树加速查找,通过最小二乘迭代进行点云icp配准。对经典icp算法和改进icp算法做对比实验,实验结果表明,改进的icp算法将配准误差由原来的0.3mm控制在了0.1mm左右,大幅提高了点云配准的精确度。

摘要：针对三维重建领域点云数据配准过程中存在的配准效率低和精度误差大问题,提出一种改进icp算法。应用盒子结构划分点云数据,对每一独立单元盒提取特征点构建三角形,根据相似原理,选用与其相似度最大的三角形各顶点作为初始对应点对,引入支持度的概念,给出评价准则,使当前待确定点对的成立最大支持其余已确认匹配点对,保证对应点查找的正确性。同理,以现有三角形各边为基准,继续构建新的三角形,完成所有匹配点对的查找。实验结果表明,改进算法较传统icp算法有大幅提高,缩短配准误差至0.03%,配准效率提高了65%以上,优势明显。

摘要：三维激光隧道点云拼接精度直接影响到隧道变形分析的可靠性。为了获得更好的配准结果,针对经典icp算法配准效率较低的情况,结合已有的icp改进算法,提出一种基于靶标中心法线空间夹角的约束条件。该方法利用两站点云同一靶标的中心点的法线夹角作为约束条件剔除误差较大和错误的对应点对,进而提高算法效率。实验结果表明改进后的icp算法在计算效率上得到明显提高,拼接精度达到毫米级。

摘要：针对icp迭代点云配准算法,利用MATLAB中封装的三角剖分函数,迅速搜索迭代过程中的最近点,简化icp配准算法的实现,并设计一种模拟实验的方法验证算法的有效性。实验表明,利用基于三角剖分的icp迭代算法可以达到较好的配准精度。

摘要：为了快速有效地获取管道内壁信息,设计了一种管道内壁激光检测装置.该装置采用激光位移传感器扫描管道内壁,对获取的原始点云数据进行后续处理,采用基于自适应空间球的k领域快速搜索加速icp算法完成对点云数据的拼接工作,通过仿真与现场实验,得到直观立体的管道内壁三维轮廓图,证明了该算法相较于传统icp算法在迭代次数、速度以及精度上都有一定的提高,可有效运用在管道检测中.

摘要：文物在保存、挖掘、运输过程中,难免会受到自然及人为因素的破坏,利用计算机技术对具有艺术价值、人文价值和科学研究价值的文物进行扫描拼接、修复和重建,还原文物形状,一直是考古界重点关注的热点。文章采用三维激光扫描获得物体表面的数字化点云信息,并通过icp算法进行点云配准,在计算机中生成三维数据模型。在点云配准过程中对常用的点云配准算法进行了实验对照,结果发现基于误差阈值控制的icp点云配准算法相比于传统的icp算法更具稳定性和收敛性,更能节约运算资源。本算法为学术研究、艺术鉴赏、信息分享与文化传承及利用提供了更多、更精确的文物数字化方法。

摘要：在进行建筑景观重建时,为防止周围环境、信号干扰等原因产生点云噪声,提出基于3D激光打印的建筑景观可视化视觉艺术重建方法。利用Kinect获取物体表面点云数据,并做多视角对齐和点云去噪处理,使模型数据更加精准。利用迭代最近点算法对数据进行点云配准与融合,通过数据的预处理,使点云数据融合为表面光滑、无孔洞模型,根据建筑景观的三维模型,使用3D激光打印机打印技术的可视化系统实现模型的视觉艺术展现。模拟试验结果表明,所设计的建筑景观重建误差率在10%以下,重建数据平滑值保持在0.9左右,满足了建筑景观视觉艺术重构的要求。

摘要：为解决传统分拣机器人通过人工示教完成指定动作其自动化程度低、实时性差、可移植性弱等问题,研究设计了基于机器视觉的分拣机器人实验平台,提出了基于粗配准与增强精配准混合递进配准策略的6D位姿高精度估计方法。首先,将由视觉传感器采集的3D点云信息进行背景信息去除、目标区域裁剪、ROI提取等预处理;然后采用采样一致性初始配准算法(SAC-IA)进行位姿粗配准,再利用迭代最近点算法(icp)进行精配准及正态分布变换(NDT)进行增强精细配准,以获得高精度6D位姿。实验结果证明,通过粗配准与增强精配准能够快速准确获得待抓取目标6D位置和姿态,与理论位置和姿态相比较其误差分别控制在1.5 mm和2°之内,满足分拣机器人的实际需求,所提出的方法便于在基于机器视觉的机器人装配、打磨等有高精度6D位姿估计场合推广应用。

摘要：基于TOF(time of flight)相机设计一种融合目标二维灰度信息与三维点云信息的位姿估计算法框架,解算追踪星与非合作目标之间的相对位姿.该算法框架使用TOF相机获取的目标的灰度图像和三维点云数据,采用基于弧段的椭圆提取方法和icp(iterative closest point)点云迭代方法求解非合作目标的相对位姿信息.融合了基于灰度图像的图像处理算法与基于点云的位姿优化迭代算法提高了位姿解算算法的精度与鲁棒性,通过地面测试试验验证了所提算法框架的性能.在轨试验表明本文所提算法框架可以稳定有效地解算超近程空间非合作目标的相对位姿,为追踪星GNC分系统提供可靠导航信息且TOF相机输出相对位姿精度优于2°、5 cm.